心衰是一种比较常见的疾病，尽管该疾病并非恶性疾病，但其死亡率却常年居高不下。尽管目前临床医学已开发出许多针对心力衰竭的治疗方法，但对于心衰患者治疗预后效果的评估，却仍停留在较为原始的阶段，这样也在一定程度上限制了相关疗法的完善与推广。
再生医学网获悉，近日，英国研究团队提出一种新的人工智能方法，可以更好地评估多重和更高维度的共病相互作用，并重新定义了心房颤动所致心衰患者β-受体阻滞剂疗效不同亚组，该研究发表在《Lancet》上，题为：Redefiningβ-blocker response in heart failure patients with sinus rhythm and atrial fibrillation：a machine learning cluster analysis。
研究团队利用基于神经网络的变分自动编码器和分层聚类汇总了9项β受体阻滞剂的双盲、随机、安慰剂对照试验的个体患者数据，共计纳入15659例心力衰竭和左室射血分数低于50%的患者，并分为窦性心律心衰组/心房颤动心衰组。
在窦性心律心衰患者中，β受体阻滞剂带来的死亡率获益在大多数亚组患者中是相似的（优势比[OR]在0.54到0.74之间)，但在老年且症状较轻的窦性心律心衰患者中的一个亚组中，β受体阻滞剂无显着疗效（OR为0.86，95%可信区间为0.67至1.10；p=0.22）。
β受体阻滞剂的总体中性效应在心房颤动心衰患者五个亚组中的四组是相似的（OR为0.92，95%可信区间为0.77至1.10，p=0.37）。在死亡率较低但LVEF与平均值相似的年轻心房颤动心衰患者中，使用β受体阻滞剂后死亡率显着降低（OR为0.57，95%可信区间为0.35至0.93，p=0.023）。
研究认为，基于人工智能的聚类方法能够区分心力衰竭和低LVEF患者的预后反应和β受体阻滞剂效果。
人工智能作为近年来最热门的技术之一，自问世起就备受科学家青睐，且在诸多领域得到了广泛应用。对此，
再生医学网表示，特别是在医疗领域，人工智能及大数据技术的普及，不仅提高了临床诊治效率，更是为相关新型治疗技术的推广提供了便利。
